¿Qué es AI Visibility?

AI Visibility describe hasta qué punto una marca, un producto o una web sale mencionada cuando un usuario le hace una pregunta a un modelo de IA conversacional. No es el nombre de una herramienta ni de un algoritmo concreto, sino un término paraguas que el sector usa para hablar de un fenómeno nuevo: los buscadores tradicionales ya no son el único sitio donde alguien busca una recomendación o una respuesta.

El término no tiene una definición técnica cerrada ni la mantiene ningún organismo, a diferencia de conceptos como el PageRank, que Google documentó de forma pública. Cada empresa que ofrece seguimiento de AI Visibility construye su propia forma de medirlo, y eso es precisamente lo que distingue a este concepto de otros indicadores de analítica web más asentados.

Conviene separar dos cosas que se mezclan a menudo: la AI Visibility es el indicador, el número que describe una situación en un momento dado. El trabajo para mejorar ese número tiene nombre propio y es otra disciplina distinta, tal como se explica más abajo.

El interés por este indicador crece porque cambia el punto de contacto con el cliente. Antes, una consulta llevaba a una lista de webs entre las que elegir. Ahora, en muchos casos, la respuesta llega ya resuelta dentro del propio chat, y una marca que no sale mencionada simplemente no entra en esa conversación, aunque tenga una web perfectamente posicionada en Google.

La diferencia de fondo no es solo dónde se mide, sino qué tipo de dato se está midiendo. Una posición en Google es un hecho verificable en el momento del rastreo. Una mención en una respuesta de IA depende de un modelo que genera texto de forma probabilística, así que dos capturas de la misma pregunta pueden salir distintas sin que nada haya cambiado en la web de la marca.

Aquí está el punto que más confunde a quien empieza a mirar este tema: dos proveedores de seguimiento pueden dar una cifra de AI Visibility completamente distinta para la misma marca en la misma semana, y los dos pueden tener razón, porque están midiendo cosas diferentes bajo el mismo nombre.

Algunos cuentan solo la frecuencia de mención: en cuántas de cien preguntas de prueba aparece la marca, sin importar dónde ni cómo. Otros dan más peso a la posición dentro de la respuesta, porque una marca citada en la primera frase no pesa lo mismo que una nombrada de pasada al final de un párrafo largo. Un tercer grupo se fija en si la respuesta incluye un enlace o una cita explícita hacia la web de la marca, frente a una simple mención de texto sin ningún enlace. Y hay quien calcula un reparto relativo frente a los competidores que aparecen en la misma respuesta, un enfoque parecido al share of voice que ya se usaba en medios tradicionales.

Otra variable que casi nunca se hace explícita es cuántos modelos entran en el cálculo. Una herramienta que solo consulta ChatGPT ofrece una foto distinta de otra que promedia varios modelos a la vez, y ese promedio puede esconder que la marca desaparece por completo en uno de ellos. Tampoco todos los enfoques distinguen el tono de la mención: salir citado de forma neutra no es lo mismo que aparecer con una valoración positiva o negativa, y solo algunos proveedores incorporan ese matiz en su cálculo final.

La propia investigación académica sobre el tema refleja esta falta de consenso. El artículo que introdujo el término GEO (Generative Engine Optimization), de Aggarwal y otros autores de Princeton, Georgia Tech y el Allen Institute for AI, no propone una sola métrica de visibilidad: define varias en paralelo, entre ellas una que combina la posición del texto dentro de la respuesta con su extensión, y otra basada en si un evaluador humano percibe la mención como relevante. Si ni la investigación de origen se conforma con un único número, tiene sentido que las herramientas comerciales tampoco coincidan entre sí.

La consecuencia práctica es simple: una cifra de AI Visibility solo sirve para compararse consigo misma a lo largo del tiempo, medida con la misma metodología. Compararla con la cifra de otro proveedor, sin saber qué cuenta cada uno, no aporta información fiable.

AI Visibility es el termómetro, no el tratamiento. El indicador describe una situación: cuánto se menciona una marca hoy en las respuestas de IA. Mejorar ese número es tarea de otras dos disciplinas que suelen nombrarse juntas: el GEO (Generative Engine Optimization), centrado en motores generativos como ChatGPT o Gemini, y el AEO (Answer Engine Optimization), un término más amplio que cubre cualquier sistema que responda preguntas de forma directa, incluidos los asistentes de voz y los fragmentos destacados.

El paralelismo con el SEO tradicional ayuda a situar cada pieza: la posición en Google es el indicador, el SEO es el trabajo para mejorarla. Con la IA pasa lo mismo, solo que con un indicador más nuevo y menos estandarizado, y con dos nombres de disciplina que a veces se usan como sinónimos y otras veces no, según quién escriba.

La documentación oficial de Google sobre sus funciones de IA en el buscador confirma algo relevante para este punto: no existen requisitos técnicos adicionales para aparecer en un AI Overview más allá de las prácticas de SEO ya conocidas, como permitir el rastreo, tener contenido de calidad y una base técnica sólida. Eso significa que la búsqueda orgánica clásica y la visibilidad en IA no compiten entre sí, comparten buena parte de sus cimientos técnicos.

Es también un campo todavía joven. El SEO tardó años en compartir un vocabulario común entre agencias, herramientas y buscadores; algo parecido está pasando ahora con la medición de la visibilidad en IA. Es razonable esperar que la terminología y las métricas se vayan asentando con el tiempo, pero eso no significa que exista ya un consenso hoy.

• Repite la misma pregunta varias veces, entre cinco y diez, en cada modelo antes de sacar conclusiones: una sola respuesta no es representativa, porque el resultado no siempre es el mismo.
• Usa preguntas que escribiría un cliente real, no solo el nombre de la marca a secas: "mejor software de X para pymes" da información distinta que "qué es [marca]".
• Registra tres datos por cada respuesta, no solo uno: si la marca aparece, en qué parte del texto y si incluye un enlace hacia la web.
• Prueba varios modelos de IA por separado en vez de uno solo; la presencia en ChatGPT no predice la presencia en Perplexity o en Gemini.
• Repite la medición con la misma metodología a lo largo del tiempo, para comparar la marca consigo misma, no con la cifra que publica otro proveedor.
• Mantén sana la base técnica de SEO (rastreo, indexación, contenido verificable), porque sigue siendo el requisito previo para aparecer en cualquier respuesta generada.

• Comparar un porcentaje de AI Visibility de un proveedor con el de otro como si fueran la misma unidad, cuando cada uno cuenta algo distinto.
• Sacar una conclusión definitiva de una sola consulta a un modelo, ignorando que la misma pregunta puede dar una respuesta distinta al repetirla.
• Tratar AI Visibility y GEO o AEO como sinónimos intercambiables, cuando uno es la medición y los otros son el trabajo de optimización.
• Asumir que aparecer bien en respuestas de IA hace innecesario el SEO técnico, cuando la documentación de Google indica justo lo contrario.
• Presentar una cifra de AI Visibility como un dato oficial o comparable entre marcas sin explicar qué metodología hay detrás.